stacked-summaries/onlystacked-xsum-1024

该数据集是一个专门用于文本摘要和文本生成任务的资源，包含英语文本。数据集分为两个配置：deduped和default，每个配置都详细描述了训练、验证和测试集的文件路径和特征。数据集的特殊版本仅包含is_stacked=True的样本，适用于需要处理堆叠摘要的场景。

原始信息汇总

数据集概述

基本信息

• 语言: 英语
• 许可证: Apache-2.0
• 大小范围: 100K<n<1M
• 源数据集: xsum
• 任务类别:
  • 摘要生成
  • 文本到文本生成
• 标签: 堆叠摘要

配置详情

• 配置名称: deduped

  • 数据文件路径:
    • 训练集: deduped/train-*
    • 验证集: deduped/validation-*
    • 测试集: deduped/test-*
  • 特征:
    • document: 字符串
    • summary: 字符串
    • id: int64
    • chapter_length: int64
    • summary_length: int64
    • is_stacked: bool
  • 分割详情:
    • 训练集: 82575个样本, 307044969字节
    • 验证集: 4674个样本, 17368941字节
    • 测试集: 4593个样本, 17048516字节
    • 下载大小: 219853891字节
    • 数据集大小: 341462426字节

• 配置名称: default

  • 数据文件路径:
    • 训练集: data/train-*
    • 验证集: data/validation-*
    • 测试集: data/test-*
  • 特征:
    • document: 字符串
    • summary: 字符串
    • id: int64
    • chapter_length: int64
    • summary_length: int64
    • is_stacked: bool
  • 分割详情:
    • 训练集: 116994个样本, 437045277字节
    • 验证集: 6603个样本, 24723155字节
    • 测试集: 6499个样本, 24228493字节
    • 下载大小: 313190936字节
    • 数据集大小: 485996925字节